理想自研芯片的狠活,不是算力本身,而是終于有人敢對英偉達路線說不
發布會刷了一圈,大家都在聊1280TOPS、2560TOPS這些數字,說實話我也被震了一下。但我翻了翻技術文檔后發現,理想這次真正值得聊的,不是算力堆了多少,而是他們選擇了另一條路。
![]()
傳統GPU什么邏輯?數據在計算單元和緩存之間反復搬運,像快遞員每次送一件貨都得回倉庫再取,算力利用率撐死30%-40%。
英偉達Thor-U單顆2000TOPS的紙面參數確實高,但實際能跑出來的有效算力,要看模型適配效率。
理想這顆馬赫M100玩的是“動態數據流架構”。說白了就是讓數據直接在計算單元之間流動,不用反復在緩存里“卸貨裝貨”。
![]()
數據驅動,不是指令驅動。官方給的數據是算力利用率82%,端到端延遲降40%。什么概念?車輛反應速度比人類快一倍。
這個技術路線其實是有“背景故事”的。2021年全球芯片荒,車企蹲在芯片廠門口等貨的畫面還歷歷在目,那一年全球減產超千萬輛。
理想也是在那個時間點開始琢磨自研的事。
![]()
CTO謝炎2022年加入時,芯片團隊只有兩個人,一個月后剩一個。四年后的今天,馬赫M100不僅量產上車,論文還被ISCA 2026收錄——這是計算機體系結構領域的頂級會議,理想是第一個入選的汽車企業。
為什么要自研?表面看是算力不夠用。但謝炎在采訪里說得更透:“如果供應商能用一半的價格提供三倍的性能,我們沒必要自己做。問題是他們做不到。”
![]()
外購通用芯片要兼顧所有客戶的需求,沒法為單一車企做極致定制。而理想的VLA大模型跑在自研芯片上,軟硬一體協同設計,這才是真正的效率來源。
還有一個容易被忽略的點:成本。外采雙顆Orin-X大概4000-5000元,自研單顆成本能控制在2500-3000元。當理想年銷沖到大幾十萬輛的時候,這個賬就徹底算過來了。
![]()
而且芯片面積才是真正的成本核心——當單車需要的AI硅片面積成倍增長,自研在經濟上越來越劃算。
說實話,算力數字看多了容易麻。1280、2560,終究只是參數。真正值得關注的,是理想這個選擇背后的邏輯:不跟英偉達卷通用GPU的老路,而是用數據流架構賭AI推理的未來。這種“技術分叉”能不能成,還得看L9 Livis交付后的實際表現。
![]()
但至少,終于有人敢對英偉達那條路說“不”了。在AI時代,中國車企從“用別人的芯片跑自己的算法”,到“自己的芯片跑自己的算法”,這一步不管結果如何,都值得尊重。
特別聲明:以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布,本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.